論文の概要: Cryptocurrency Price Prediction using Twitter Sentiment Analysis
- arxiv url: http://arxiv.org/abs/2303.09397v1
- Date: Fri, 3 Mar 2023 18:42:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-19 11:29:46.338409
- Title: Cryptocurrency Price Prediction using Twitter Sentiment Analysis
- Title（参考訳）: Twitter Sentiment Analysis を用いた暗号価格予測
- Authors: Haritha GB and Sahana N.B
- Abstract要約: この調査では、歴史的価格とツイートの感情を使ってBitcoinの価格を予測する。
我々は、一連のツイートの感情を予測し、Bitcoinの価格を予測できるエンドツーエンドモデルを開発した。
感情予測は平均絶対誤差9.45%、平均リアルタイムデータ、テストデータを与えた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The cryptocurrency ecosystem has been the centre of discussion on many social
media platforms, following its noted volatility and varied opinions. Twitter is
rapidly being utilised as a news source and a medium for bitcoin discussion.
Our algorithm seeks to use historical prices and sentiment of tweets to
forecast the price of Bitcoin. In this study, we develop an end-to-end model
that can forecast the sentiment of a set of tweets (using a Bidirectional
Encoder Representations from Transformers - based Neural Network Model) and
forecast the price of Bitcoin (using Gated Recurrent Unit) using the predicted
sentiment and other metrics like historical cryptocurrency price data, tweet
volume, a user's following, and whether or not a user is verified. The
sentiment prediction gave a Mean Absolute Percentage Error of 9.45%, an average
of real-time data, and test data. The mean absolute percent error for the price
prediction was 3.6%.
- Abstract（参考訳）: 暗号通貨エコシステムは多くのソーシャルメディアプラットフォームで議論の中心であり、そのボラティリティとさまざまな意見に倣っている。
twitterは急速にニュースソースやbitcoin議論の媒体として利用されている。
われわれのアルゴリズムは、歴史的価格とツイートの感情を使ってBitcoinの価格を予測する。
本研究では,一連のツイート(トランスフォーマ-ベースニューラルネットワークモデルによる双方向エンコーダ表現)の感情を予測し,予測された感情と過去の暗号通貨価格データ,ツイートボリューム,ユーザのフォロー,ユーザ認証の有無などの指標を用いて,bitcoinの価格(ゲートリカレントユニットを使用)を予測するエンドツーエンドモデルを開発した。
感情予測では、平均絶対パーセンテージ誤差は9.45%、実時間データの平均とテストデータであった。
価格予測の絶対誤差の平均は3.6%だった。
関連論文リスト
- Application of Liquid Rank Reputation System for Twitter Trend Analysis on Bitcoin [0.23020018305241333]
本稿では,ユーザ評価に基づく「流動的民主主義」アプローチを取り入れた,Twitter上のBitcoinトレンドの分析モデルを提案する。
評価システムに基づくTwitterの感情分析モデルを使用して、Bitcoinの価格変更と取引量への影響を判断する。
論文 参考訳（メタデータ） (2024-06-25T19:35:25Z) - Interplay between Cryptocurrency Transactions and Online Financial
Forums [41.94295877935867]
本研究は、これらの暗号掲示板間の相互作用と暗号値の変動に関する研究に焦点をあてる。
これは、Bitcointalkフォーラムの活動がBTCの値のトレンドと直接的な関係を保っていることを示している。
この実験は、フォーラムデータが金融分野における特定の出来事を説明することを強調している。
論文 参考訳（メタデータ） (2023-11-27T16:25:28Z) - Taureau: A Stock Market Movement Inference Framework Based on Twitter
Sentiment Analysis [0.0]
我々はTwitterの感情分析を利用して株式市場の動きを予測するフレームワークTaureauを提案する。
まずはTweepyとgetOldTweetsを使って、一連のトップ企業の世論を示す歴史的なツイートを入手する。
得られた感情スコアの時間次元を月次株価変動データと相関する。
論文 参考訳（メタデータ） (2023-03-30T19:12:08Z) - A Word is Worth A Thousand Dollars: Adversarial Attack on Tweets Fools
Stock Prediction [100.9772316028191]
本稿では,3つのストック予測犠牲者モデルを騙すために,様々な攻撃構成を試行する。
以上の結果から,提案手法が一貫した成功率を達成し,取引シミュレーションにおいて大きな損失をもたらす可能性が示唆された。
論文 参考訳（メタデータ） (2022-05-01T05:12:22Z) - Identification of Twitter Bots based on an Explainable ML Framework: the
US 2020 Elections Case Study [72.61531092316092]
本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。
Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。
また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
論文 参考訳（メタデータ） (2021-12-08T14:12:24Z) - Ask "Who", Not "What": Bitcoin Volatility Forecasting with Twitter Data [2.9223917785251285]
我々は、Twitterの公開ソーシャルメディアデータのディープラーニング表現を使用して、比較的新しい資産クラスの暗号通貨(特にBitcoin)のボラティリティ予測に重点を置いている。
フィールドワークのために、3000万以上のBitcoin関連ツイートからセマンティック情報とユーザーインタラクション統計を抽出した。
収集した情報を組み合わせて、いくつかのディープラーニングアーキテクチャを構築しました。
論文 参考訳（メタデータ） (2021-10-27T09:55:03Z) - News consumption and social media regulations policy [70.31753171707005]
我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。
以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。
Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
論文 参考訳（メタデータ） (2021-06-07T19:26:32Z) - The Doge of Wall Street: Analysis and Detection of Pump and Dump Cryptocurrency Manipulations [50.521292491613224]
本稿では,インターネット上のコミュニティによって組織された2つの市場操作(ポンプとダンプと群衆ポンプ)について,詳細な分析を行う。
ポンプとダンプの仕組みは、株式市場と同じくらい古い詐欺だ。今や、緩やかに規制された暗号通貨市場において、新たな活力を得た。
本報告では,ポンプ群とダンプ群に関する3症例について報告する。
論文 参考訳（メタデータ） (2021-05-03T10:20:47Z) - Real-Time Prediction of BITCOIN Price using Machine Learning Techniques
and Public Sentiment Analysis [0.0]
本研究の目的は、機械学習技術と感情分析により、USDにおけるBitcoinの予測可能な価格方向を決定することである。
TwitterとRedditは、大衆の感情を研究する研究者から大きな注目を集めている。
我々は、感情分析と機械学習の原則をTwitterやRedditの投稿から抽出したツイートに適用した。
論文 参考訳（メタデータ） (2020-06-18T15:40:11Z) - Pump and Dumps in the Bitcoin Era: Real Time Detection of Cryptocurrency Market Manipulations [50.521292491613224]
インターネット上のコミュニティによって組織されたポンプとダンプの詳細な分析を行う。
これらのコミュニティがどのように組織化され、どのように詐欺を行うかを観察します。
本研究では,不正行為をリアルタイムに検出する手法を提案する。
論文 参考訳（メタデータ） (2020-05-04T21:36:18Z) - Predictive analysis of Bitcoin price considering social sentiments [0.0]
私たちは、将来のBitcoinの価値を予測する機能として、ソーシャルな感情を使うことに重点を置いています。
ソーシャルな感情は、将来のBitcoinの価値がどう動くのかをよく見積もっている。
各種暗号通貨の歴史的価格を入力としてLSTMを用いて,最低値のRMSEを434.87で達成する。
論文 参考訳（メタデータ） (2020-01-16T18:08:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。